Đăng ký
  1. Trang chủ
  2. » Luận Văn - Báo Cáo

ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE

69 7 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Ngày đăng: 14/05/2022, 20:51

Xem thêm:

HÌNH ẢNH LIÊN QUAN

Hình 2.1 ESP8266 - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 2.1 ESP8266 (Trang 9)
Hình 2.2 Cảm biến nhiệt độ, độ ẩm DHT11 - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 2.2 Cảm biến nhiệt độ, độ ẩm DHT11 (Trang 12)
Hình 2.3 Mô hình kết nối của giao thức MQTT - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 2.3 Mô hình kết nối của giao thức MQTT (Trang 13)
Hình 2.4 Phần mềm Node Red - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 2.4 Phần mềm Node Red (Trang 16)
Hình 2.7 Biểu diễn thuật toán Kalman - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 2.7 Biểu diễn thuật toán Kalman (Trang 21)
Hình 3.1 Sơ đồ biểu diễn dòng tín hiệu từ cảm biến DHT11 đi đến Google Sheet MQTT Client - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 3.1 Sơ đồ biểu diễn dòng tín hiệu từ cảm biến DHT11 đi đến Google Sheet MQTT Client (Trang 22)
Hình 3.2 Sơ đồ biểu diễn dòng tín hiệu từ Google Sheet đến các mô hình dự đoán trên ứng dụng Google Colab - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 3.2 Sơ đồ biểu diễn dòng tín hiệu từ Google Sheet đến các mô hình dự đoán trên ứng dụng Google Colab (Trang 23)
Hình 3.3 Sơ đồ của tín hiệu dự đoán đến bảng điều khiển Node Red - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 3.3 Sơ đồ của tín hiệu dự đoán đến bảng điều khiển Node Red (Trang 24)
Hình 4.1 Kết nối ESP8266 với cảm biến DHT11 - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.1 Kết nối ESP8266 với cảm biến DHT11 (Trang 25)
Hình 4.2 Kết quả hiển thị ở cổng COM của phần mềm Arduino - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.2 Kết quả hiển thị ở cổng COM của phần mềm Arduino (Trang 28)
Hình 4.10 Flow nhận tính hiệu từ ESP gửi lên bảng điều khiển và gửi qua Google Sheet - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.10 Flow nhận tính hiệu từ ESP gửi lên bảng điều khiển và gửi qua Google Sheet (Trang 32)
Hình 4.11 Sơ đồ flow tổng quát - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.11 Sơ đồ flow tổng quát (Trang 33)
Hình 4.15 Biểu diễn dạng ma trận của hàm Hồi Quy Tuyến Tính Các tính chất của Linear Regression: - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.15 Biểu diễn dạng ma trận của hàm Hồi Quy Tuyến Tính Các tính chất của Linear Regression: (Trang 37)
Hình 4.16 Thực hiện tạo PlaceHolder và Biến - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.16 Thực hiện tạo PlaceHolder và Biến (Trang 39)
• Tạo mô hình sử dụng các phép nhân, cộng ma trận thuần túy - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
o mô hình sử dụng các phép nhân, cộng ma trận thuần túy (Trang 39)
Hình 4.19 Đồ thị biểu diễn quá trình thay đổi của sai số trong quá trình đào tạo Sau khi train mô hình thì ta nhận thấy được hàm mất mát loss biểu thị mức độ sai lệch giữa tín hiệu ra thực và tín hiệu ra dự đoán đã giảm dần từ 13114.5 xuống còn 10.6122 đã - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.19 Đồ thị biểu diễn quá trình thay đổi của sai số trong quá trình đào tạo Sau khi train mô hình thì ta nhận thấy được hàm mất mát loss biểu thị mức độ sai lệch giữa tín hiệu ra thực và tín hiệu ra dự đoán đã giảm dần từ 13114.5 xuống còn 10.6122 đã (Trang 40)
Hình 4.18 Khởi tạo và đào tạo mô hình Hồi Quy Tuyến Tính - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.18 Khởi tạo và đào tạo mô hình Hồi Quy Tuyến Tính (Trang 40)
Hình 4.21 Dự đoán kiểm tra mô hình - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.21 Dự đoán kiểm tra mô hình (Trang 41)
Hình 4.23 Đường thẳng tuyến tính sau khi đào tạo mô hình Hồi Quy Tuyến Tính giá trị độ ẩm - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.23 Đường thẳng tuyến tính sau khi đào tạo mô hình Hồi Quy Tuyến Tính giá trị độ ẩm (Trang 42)
Hình 4.25 Đường thẳng dự đoán tìm được sau khi đào tạo mô hình Hồi Quy Tuyến Tính Cục Bộ giá trị độ ẩm - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.25 Đường thẳng dự đoán tìm được sau khi đào tạo mô hình Hồi Quy Tuyến Tính Cục Bộ giá trị độ ẩm (Trang 45)
Hình 4.26 Đường thẳng dự đoán tìm được sau khi đào tạo mô hình Hồi Quy Tuyến Tính Cục Bộ giá trị nhiệt độ - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.26 Đường thẳng dự đoán tìm được sau khi đào tạo mô hình Hồi Quy Tuyến Tính Cục Bộ giá trị nhiệt độ (Trang 45)
Hình 4.27 Biểu diễn mạng NơRon đơn giản Trong hệ thống trên chúng ta có 3 tín hiệu vào là 1, x1, x2. - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.27 Biểu diễn mạng NơRon đơn giản Trong hệ thống trên chúng ta có 3 tín hiệu vào là 1, x1, x2 (Trang 46)
Hình 4.28 Biểu diễn mạng NơRon phức tạp Trong hình trên có: - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.28 Biểu diễn mạng NơRon phức tạp Trong hình trên có: (Trang 47)
Hình 4.29 Khởi tạo các lớp ẩn cho mô hình NơRon Hồi Quy - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 4.29 Khởi tạo các lớp ẩn cho mô hình NơRon Hồi Quy (Trang 48)
Dữ liệu sau khi được đưa lên Google Sheet sẽ được đưa vào các mô hình dự đoán khác nhau. - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
li ệu sau khi được đưa lên Google Sheet sẽ được đưa vào các mô hình dự đoán khác nhau (Trang 50)
Hình 5.1 Dữ liệu được gửi lên Google Sheet - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 5.1 Dữ liệu được gửi lên Google Sheet (Trang 50)
Hình 5.4 Dữ liệu được tải xuống mô hình Hồi Quy Tuyến Tính Cục Bộ với dữ liệu độ ẩm - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 5.4 Dữ liệu được tải xuống mô hình Hồi Quy Tuyến Tính Cục Bộ với dữ liệu độ ẩm (Trang 51)
Hình 5.3 Dữ liệu được tải xuống mô hình NơRon Hồi Quy - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 5.3 Dữ liệu được tải xuống mô hình NơRon Hồi Quy (Trang 51)
Hình 5.6 Giá trị dự đoán của mô hình Hồi Quy Tuyến Tính - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 5.6 Giá trị dự đoán của mô hình Hồi Quy Tuyến Tính (Trang 52)
Hình 5.11 Các giá trị dự đoán được gửi lên Node Red thông qua dạng bảng điều khiển để người dùng quan sát - ÁP DỤNG IOT và xử lí dữ LIỆU dự đoán số LIỆU sử DỤNG THUẬT TOÁN KALMAN và LOCALLY WEIGHTED LINEAR REGRESSION có CODE
Hình 5.11 Các giá trị dự đoán được gửi lên Node Red thông qua dạng bảng điều khiển để người dùng quan sát (Trang 54)

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w